ASIC за машинно обучение трябва да се проектират автоматично

Малко вероятно е някой да спори с факта, че проектирането на персонализирани LSI (ASIC) далеч не е прост и бърз процес. Но искам и имам нужда да е по-бързо: днес издадох алгоритъм и седмица по-късно взех готовия цифров проект. Факт е, че високоспециализираните LSI са почти еднократен продукт. Те рядко са необходими в партиди от милиони, за разработването на които можете да похарчите толкова пари и човешки ресурси, колкото искате, ако това трябва да се направи за възможно най-кратко време. Специализираните ASIC и следователно най-ефективните за решаване на техните задачи трябва да бъдат по-евтини за разработване, което става мега-уместно на настоящия етап от развитието на машинното обучение. На този фронт багажът, натрупан от пазара на компютри и особено пробивите на GPU в областта на машинното обучение (ML), вече не може да бъде избегнат.

За да ускори проектирането на ASIC за ML задачи, DARPA създава нова програма - Машинно обучение в реално време (RTML). Програмата за машинно обучение в реално време включва разработване на компилатор или софтуерна платформа, която може автоматично да проектира архитектура на чип за конкретна ML рамка. Платформата трябва автоматично да анализира предложения алгоритъм за машинно обучение и набора от данни за обучение на този алгоритъм, след което трябва да произведе код във Verilog за създаване на специализиран ASIC. Разработчиците на ML алгоритъм нямат знанията на дизайнерите на чипове и дизайнерите рядко са запознати с принципите на машинно обучение. Програмата RTML трябва да помогне да се гарантира, че предимствата и на двете са комбинирани в автоматизирана платформа за разработка на ASIC за машинно обучение.

По време на жизнения цикъл на програмата RTML, намерените решения ще трябва да бъдат тествани в две основни области на приложение: 5G мрежи и обработка на изображения. Също така програмата RTML и създадените софтуерни платформи за автоматично проектиране на ML ускорители ще бъдат използвани за разработване и тестване на нови ML алгоритми и набори от данни. По този начин, дори преди проектирането на силикона, ще бъде възможно да се оценят перспективите на новите рамки. Партньор на DARPA в програмата RTML ще бъде Националната научна фондация (NSF), която също се занимава с проблеми с машинното обучение и разработването на ML алгоритми. Разработеният компилатор ще бъде прехвърлен на NSF, а обратно DARPA очаква да получи компилатор и платформа за проектиране на ML алгоритми. В бъдеще хардуерното проектиране и създаването на алгоритми ще се превърнат в интегрирано решение, което ще доведе до появата на машинни системи, които се самообучават в реално време.

Източник: 3dnews.ru